
最新大数据产业现状和主要子行业介绍
大数据从源到流到汇聚应用,包含数据入口、数据融合处理、数据应用三个主要过程。从前到后看,这三个过程分别对应于数据资产领域、数据融合与处理相关领域、数据应用相关领域。
1) 数据资产领域
“数据正在成为一种(战略)资产”已经是行业的共识。大数据很大程度上是随着社会信息化程度提高而在近期产生的,即是以前没有或无法获取且正在不断生成的“新(fresh)”数据。不同的公司把握着各个数据入口,而把握数据资产的企业也必然成为大数据的首批和直接受益者。从公司业务模式上,数据资产公司可以区分为纯数据资产公司和兼数据资产公司;从数据类型上,数据可以区分为交易数据(含询价等)和交互数据。
纯数据资产公司指其产品和业务即为数据本身,代表企业如友盟和个信互动等。友盟(Umeng)将核心代码植入各种移动应用,向移动应用创业者提供应用统计分析、用户反馈等服务,目前,国内主流开发者大多是友盟的用户,超过18万的移动应用从友盟服务中获益。个信互动的个推平台,面向公众提供专业的手机推送解决方案,并向开发者提供推送的BI数据,目前的接入用户已经超过6.8亿。
不难看出,该类公司有几个特征,
一是处于数据流中某个基础性的控制节点;
二是在控制节点后聚集了一整类的兼数据资产型公司;
三是标的数量很少,一个具体领域(如手机的信息推送或者应用统计服务)只能容纳下1-2家企业;四是该类企业处于底层,较少为非业界人士所知。
兼数据资产公司相对纯数据资产公司显然更多,下表按照交易数据与交互数据对其进行分类整理。
表格中所列示的都是规模较大、有所成绩的明星企业,因为如果数据没有相当深度和广度的累积,价值将非常低。但是,我们看到不断有新的企业成长起来,百花齐放百家争鸣,抢夺已有的入口或者开辟全新的入口。
2) 数据融合与处理相关领域
在数据融合与处理相关的领域,主要解决包含两个方面的问题:一是数据标准化与有效性整理;二是面向过程(具体目的)的数据处理与粗提取。
典型的案例如征信数据库,商业银行与各信贷主体之间每天都在发生着海量交易,交易一旦发生则记录进入各商业银行数据库(录入人员通过人机交互过程完成数据的标准化和预处理),每天晚上各商业银行后台对数据进行整理和加密,次日将信贷主体与信用数据加密通过专用接口将数据包提交到征信数据中心,然后征信中心将各数据包加成导入到征信数据总库进行更新,完成数据标准化和有效性整理并形成更新后的数据状态。而面向过程的数据处理与粗提取,比如对某信贷主体的征信数据进行查询后,可通过插件进行破产风险(企业)或信用评分(个人)的简单核算,不同金融机构可设置不同的标准,根据自身风险政策完成初步的可否授信、授信额度大小的批量化评估。
较成熟的类似机构包括彭博、万得、同花顺等,目前均局限于金融行业,但每个行业都有不同的数据整合入库的需求,而数据标准的制定及数据汇聚的执行是其难点所在。另外,在大数据的融合与处理相关领域,两个绕不开的点为基础软件(数据库软件)和云计算。
3) 数据应用相关领域
如上文所述,掌握数据资产的企业群是大数据的首批和直接受益者,因为他们会自然、方便的对大数据进行把玩、加工、消化、利用。而随着应用价值的逐步体现及大数据产业的发展,应用将必然扩张到生产生活的方方面面,广泛影响各行各业。
麦肯锡针对美国各个行业应用大数据的潜在价值提升做了一个评估,从其中我们可以看到,大数据的应用将使得金融保险、信息技术、公共管理、贸易物流等领域获得极大的价值提升。
首先我们按照从硬件-基础软件-应用软件-信息服务和数据生成-存储-处理-应用两条线各4个维度来划分大数据的产业结构,涉及11大类主要的产品和服务:采集设备、存储设备、服务器、数据库软件、采集监测软件、智能搜索与分析软件、系统集成、IT基础设施服务、咨询实施服务、信息安全以及云计算。
以上11种主要产品和服务都是大数据的重要构成,缺一不可,但其中基础软件(数据库软件和分布式文件系统)、应用软件是大数据产业价值转化变现的最关键部分,云计算对大数据的广泛应用有着举足轻重的意义,其他7种在某种意义上则是在原有基础上持续更新并与大数据发展配套的过程。
在软硬件和信息服务领域的垂直划分中,我们认为商业智能带动的应用软件、云计算和信息安全是国内大数据发展的三家马车,也是更可能有所作为的地方。
1) 硬件与基础软件
大数据爆炸增长带动硬件和基础软件发展。
存储和服务基础设施用于存储产生的数据,是数据周期的第一站。随着“新摩尔定律”逐步得到验证,预计大数据将呈现越来越快的增速,同时大数据中非结构化数据占比也将逐步提高,这直接推动着存储和服务器行业的大发展。如何更快、更好、更准确地把数据分门别类、按需存储,提高存储性能和计算能力,是存储器和服务器提供商面临的新问题。基础软件提供商主要是提供操作系统、数据库软件等,对已经存储好的数据资源进行高效管理,是存储器、服务器的下游环节。存储器、服务器等硬件设备的发展也将直接带动基础软件的升级。
国际巨头垄断上述领域,寡头格局已经形成。
EMC、IBM、HP、Sumsung、Oracle等国际巨头在硬件与基础软件领域精耕细作多年,市场竞争格局基本稳定,寡头竞争态势明显。因为其基础软件的优势,又逐步向更下游的应用软件等领域渗透,不断完善自身产品线,提升客户粘性。领先的技术优势、丰富的客户资源、强大的并购能力等构建了国际巨头的护城河,使得国内企业短期内很难超越。
2) 商业智能应用软件
商业智能的体系和意义
从数据的最终利用深度来区分,商业智能划分为数据报表、数据分析、数据挖掘三个层次。其中,报表系统只是简单地进行数据管理,描述企业已经发生的事件,比如Excel、水晶报表、Reporting Service等报表系统;数据分析师对数据进行优化分析,解析造成企业
目前状况的深层次原因,比如OLAP技术;数据挖掘则是对数据进行分析预测,发现知识、预测未来。商业智能的最终目的,是为了产生更好的商业决策。
商业智能的实现过程是通过收集来自企业内部和外部各种数据源的不同数据,提取有用信息,经过数据清洗、转换、重构进入数据仓库或数据集市,然后通过合适的查询和分析工具、数据挖掘工具、联机分析处理工具对数据进行加工处理,最终转化为知识。从商业智能系统建立的技术角度看,构建一个完整的商业智能系统涉及到的核心技术主要有数据仓库(DW)技术、联机分析处理(OLAP)技术、前端分析展示技术和数据挖掘(DM)技术等组成。
国内现状
国内供应商专注于报表软件、应用软件和解决方案等领域。国内BI厂商的共同特点是,产品线不全,厂商实力相对较弱,基本可以分为三类:第一类是从报表工具、展示工具软件等延伸而来的厂商,这类厂商占绝大多数,如润乾、尚南科技等;第二类是从ERP等管理软件延伸而来,如用友、浪潮、金蝶等,专注于战线工具和分析模型方面,并开始向应用软件和行业解决方案转型;第三类是专业BI厂商,如菲奈特融通、东方国信等,专注于BI应用软件和行业解决方案。国内厂商在数据仓库、数据集市、BI 工具平台软件等方面,缺乏有竞争力的产品。
3) 云计算
云计算的三种服务交付模式:IaaS(基础设施即服务)、PaaS(平台即服务)和SaaS(软件即服务)。
IaaS
指的是以服务形式提供服务器、存储和网络硬件。这类基础架构一般是利用网格计算(GridComputing)架构建立虚拟化的环境,因此虚拟化、集群和动态配置软件也被涵盖在IssS中,这方面代表有亚马逊的弹性云服务,ServePath下的GoGrid等;
PaaS
指的是以服务形式提供给开发人员应用城市需开发及部署平台,让他们可利用此平台来开发、部署和管理SaaS应用程序;这种平台一般包含数据库、中间件及开发工具,所有都以服务形式通过互联网提供;PaaS 也是SaaS 模式的一种应用,这一层面的代表有Google App、Force.com、MOSSO等;
SaaS
指的是通过浏览器,以服务形式提供给用户应用程序;SaaS是一种软件布局模型,其应用专为网络交付而设计,便于用户通过互联网托管、部署及介入;SaaS应用软件的价格通常为“全包”费用,囊括了通常的应用软件许可证费、软件维护费以及技术支持费,将其统一为每个用户的阅读租用费;SaaS可以通过浏览器把应用程序作为服务提供给成千上万的用户;这一层面的代表有Salesforce.com、google map、office live等;
云计算厂商则可以细分为平台提供商、系统集成商和服务提供商。
平台提供商
云计算需要能够实现虚拟化、自动负载平衡、随需应变的软硬件平台,这部分的提供商主要是传统的软硬件生产商,如Vmware、Oracle、Sun、IBM、Cisco等;国内的相关公司包括浪潮信息、华胜天成、华为、中兴、方正科技等;
系统集成商
帮助用户搭建云计算的软硬件平台,尤其是企业私有云:代表厂商包括IBM、HP、Google、AT&T等;国内公司包括华胜天成、浪潮软件、东软集团等;
服务提供商
包括为企业和个人用户提供计算和存储资源的IaaS公司、为应用开发者提供开发平台的PaaS公司、SaaS应用服务提供商;代表厂商包括Amazon、Rackspace、GoGrid、Force.com、Google、Salesforce等;国内公司包括鹏博士、网宿科技、神州泰岳、用友、金蝶、焦点科技、生意宝等。
4) 信息安全
信息安全越发重要,迎来发展契机。
信息安全产品覆盖硬件、软件及服务;细分领域众多,竞争激烈且龙头各异。
安全硬件主要包括防火墙/VPN、入侵检测/防御系统(IDS/IPS)、统一威胁管理(UTM);安全软件主要包括内容安全与威胁管理、身份管理、访问控制等;安全服务主要包括安全咨询、等级评测、风险评估、安全审计、运维管理、安全培训等方面。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26CDA 数据分析师会被 AI 取代吗? 在当今数字化时代,数据的重要性日益凸显,数据分析师成为了众多企业不可或缺的角色 ...
2025-06-26CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25评估模型预测为正时的准确性 在机器学习与数据科学领域,模型预测的准确性是衡量其性能优劣的核心指标。尤其是当模型预测结 ...
2025-06-25CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-06-24金融行业的大数据变革:五大应用案例深度解析 在数字化浪潮中,金融行业正经历着深刻的变革,大数据技术的广泛应用 ...
2025-06-24Power Query 中实现移动加权平均的详细指南 在数据分析和处理中,移动加权平均是一种非常有用的计算方法,它能够根据不同数据 ...
2025-06-24数据驱动营销革命:解析数据分析在网络营销中的核心作用 在数字经济蓬勃发展的当下,网络营销已成为企业触达消费者 ...
2025-06-23随机森林模型与 OPLS-DA 的优缺点深度剖析 在数据分析与机器学习领域,随机森林模型与 OPLS-DA(正交偏最小二乘法判 ...
2025-06-23CDA 一级:开启数据分析师职业大门的钥匙 在数字化浪潮席卷全球的今天,数据已成为企业发展和决策的核心驱动力,数据分析师 ...
2025-06-23透视表内计算两个字段乘积的实用指南 在数据处理与分析的过程中,透视表凭借其强大的数据汇总和整理能力,成为了众多数据工 ...
2025-06-20CDA 一级考试备考时长全解析,助你高效备考 CDA(Certified Data Analyst)一级认证考试,作为数据分析师领域的重要资格认证, ...
2025-06-20统计学模型:解锁数据背后的规律与奥秘 在数据驱动决策的时代,统计学模型作为挖掘数据价值的核心工具,发挥着至关重要的作 ...
2025-06-20Logic 模型特征与选择应用:构建项目规划与评估的逻辑框架 在项目管理、政策制定以及社会服务等领域,Logic 模型(逻辑模型 ...
2025-06-19SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的利器 在数据分析的众多方法中,Mann-Kendall(MK)检验凭借其对数据分 ...
2025-06-19CDA 数据分析能力与 AI 的一体化发展关系:重塑数据驱动未来 在数字化浪潮奔涌的当下,数据已然成为企业乃至整个社会发展进 ...
2025-06-19CDA 干货分享:统计学的应用 在数据驱动业务发展的时代浪潮中,统计学作为数据分析的核心基石,发挥着无可替代的关键作用。 ...
2025-06-18CDA 精益业务数据分析:解锁企业增长新密码 在数字化浪潮席卷全球的当下,数据已然成为企业最具价值的资产之一。如何精准地 ...
2025-06-18